Kreditscoring

Kreditscoring(englischscoring,„Punkte sammeln “) ist imFinanzwesenderAnglizismusfür eineRisikoklassifizierungdurchWirtschaftsauskunfteienoderRatingagenturen,welche dieKreditwürdigkeitvonPrivatpersoneninRisikoklasseneinstuft und vonGläubigerngenutzt wird.

Allgemeines

Scoring ist einfinanzmathematisch-statistischesVerfahren, das dieEintrittswahrscheinlichkeitbestimmterEreignisseberechnet.DieWahrscheinlichkeitwird durch den „Score-Wert “angegeben. Beim Kreditscoring soll dasZahlungsverhaltenvonSchuldnernanalysiert werden; das mit der Eintrittswahrscheinlichkeit gemesseneKreditereignisist hierbei die zentrale Größe. EinScoringmuss stets ein wissenschaftlich anerkanntes mathematisch-statistisches Verfahren sein.

Inhalt

Ausgewertet werdenpersonenbezogene DatenwieLebensalter,Geschlecht,Güterstand,Beruf,Arbeitgeber,Betriebszugehörigkeit,Arbeitseinkommen,Vermögen,Schulden,Konsumverhaltenoder aufgenommeneBankkredite.Einige dieserDatenwerden einerGewichtungunterzogen, weil sie (wie Arbeitseinkommen oder Zahlungsverhalten) eine größere Bedeutung als andere Daten aufweisen. Viele persönlichen Daten unterliegen einer permanenten Veränderung, so dass wegen der Aktualität hohe Anforderungen an dasÄnderungsmanagementzu stellen sind.

Darüber hinaus wird das Zahlungsverhalten anhand der Rückmeldungen von Gläubigern undEintragungenin öffentlichen Registern erfasst. Gemessen wird anhandempirischerDaten von Gläubigern (Zahlungsrückstände,Zahlungsrisiken) oder aus Registern (Handelsregister,Schuldnerverzeichnis), welche die Wahrscheinlichkeit einesAusfall-oderKreditrisikoswiedergeben. Die Daten wieForderungsverlust,InsolvenzoderZahlungsverzugstellen überwiegend eineNegativauslesedar, um dasInsolvenzrisikodes (künftigen) Schuldners einschätzen zu können.

Überwiegend ist eine Punktevergabe üblich. Die konkreten Regeln undAlgorithmeneiner Punktevergabe und -gewichtung werden „Scorekarte “(englischscorecard) genannt nach demgleichlautenden Begriffaus dem Sport. Es gibt verschiedene Techniken, um geeignete Scorekarten zu entwickeln, wie etwa dieLogistische Regression,Diskriminanzanalyse,Künstliche neuronale Netzeund andereData-Mining-Methoden.

Kreditscoring der Schufa

DieSchufabietet ihren Kunden seit 1997 zusammen mit der Bonitätsauskunft über einzelne Verbraucher einen Score-Wert auf Basis der bei ihr gespeicherten Daten an. Das ist ein Wert von 1 bis 100 %,der dem jeweiligen Verbraucher zugeordnet wird und die Wahrscheinlichkeit einesKreditausfallesangibt. Beim verwendetenPunktesystemsteht die höchste Punktzahl 100 (%) für dieRisikoklasse„kein Kredit- oder Zahlungsrisiko “, bei geringeren Punktzahlen erhöht sich das Kreditrisiko entsprechend. Je niedriger der Score-Wert, desto höher ist dieAusfallwahrscheinlichkeit.Der Score-Wert ist abhängig vom Zweck, für den er angefragt wird – so erhalten beispielsweise Versicherungen andere Score-Werte als Mobilfunkanbieter. Jeder Verbraucher kann bei der Schufa die Score-Übermittlung zu seiner Person untersagen. Vielfach machen Unternehmen jedoch die Aufnahme einerGeschäftsbeziehungvon einer positiven Schufa-Bewertung abhängig. Seit Anfang 2007 ist in der Eigenauskunft der Schufa der eigene Basis-Score-Wert in %-Werten zu sehen.

Die Schufa-Branchen-Scores wurden 2001 überarbeitet. Das Score-Verfahren basiert auf demlogistischen Regressionsmodell,das die Eintrittswahrscheinlichkeit eines Zufallsereignisses mit zwei möglichen Ausgängen modelliert. Für das Verfahren von 2001 wurden ca. 6,7 Mio. anonymisierte Datensätze über eine „Reifezeit “von 15 Monaten ausgewertet. Von dem Branchenscore gibt es 7 verschiedene Arten, und zwarHypothekenbanken,Versandhandel,Handel,Telekommunikation,GenossenschaftsbankenundSparkassen,Bankenund dieSchufa-Business-Line.

Seit April 2010 konnten Verbraucher entsprechend § 34 Abs. 4 BDSG a. F. eine Auskunft über die historischen Wahrscheinlichkeitswerte – das heißt SCHUFA-Scores, die innerhalb der vergangenen 12 Monate an Schufa-Vertragspartner übermittelt wurden – erhalten.

Zu den Merkmalen, welche dieSchufaberücksichtigt, zählen beispielsweise Einträge über offene Kredite und über rechtsgültig gewordeneMahn-oderVollstreckungsbescheide.Die Schufa hält die Einzelheiten zur Berechnungsformel und zu den einfließenden statistischen Merkmalen ihres Scoring-Systems geheim.

Bis 2001 ist das Einholen einer Eigenauskunft als negatives Merkmal in das Scoring eingeflossen; nach massiven Protesten stellte die Schufa diese Praxis nach eigenen Angaben ein.

Aus den vom Kreditgeber so erfragten und maschinell ermittelten Daten wird eine Risikoklassifizierung ermittelt und die Kreditentscheidung vorbereitet.

Interne und externe Scores

Kreditscores können aufeigenen Dateneines Unternehmens (etwaPersonenstammdaten,Kreditvertragsdaten,Kontoführung) beruhen oder aufexternen Daten,etwa vonAuskunfteien.

Intern ermittelte Kreditscores müssen nicht mit externenRatingsübereinstimmen, so dass sich u. U. unterschiedlicheAusfallwahrscheinlichkeitenfür denselben Schuldner ergeben. Dies liegt vor allem an unterschiedlichen Gewichtungen,Informationsdefizitenoder fehlender Aktualität. Kreditinstitute erstellen intern „point in time “-Ratings, also einer Ausfallprognose für ein Jahr nach dem Beurteilungszeitpunkt,während externe Ratings auf einem „through the cycle “-Ansatz beruhen, also einer Ausfallprognose über einenKonjunkturzyklushinweg.

Kreditscoring-Modell

Das Kreditscoring-Modell weist gegenüber konventionellen Verfahren Vor- und Nachteile auf:

Vorteile

• Standardisierung,persönliche PräferenzendesKreditsachbearbeiterswerden ausgeschaltet.
• Empirischvalidierbar(objektiv nachvollziehbar).
• EDV-technische Verfeinerung möglich.
• Für die Kreditgeber (das Verfahren ist auch bei derWarenkreditversicherungeinsetzbar) wird derKreditentscheidungsprozessdurch Automatisierung wirtschaftlicher.
• Beschleunigung derKreditentscheidung.
• Zeit- und Kostenersparnis.

Nachteile

• Die persönlicheErfahrungder Kreditsachbearbeiter fließt meist nicht ein. Eine langjährige Geschäftsbeziehung zum Kreditnehmer (Kundenberatung) stellt oftmals einen Informationsvorteil dar. Der Kreditsachbearbeiter entscheidet über seinen ganzheitlichen Eindruck vom Kreditnehmer. Einige technische Scoring-Lösungen berücksichtigen allerdings derartige Daten.
• Die Daten sind eventuell problematisch (Datenschutz).
• Die Entscheidung wird eventuell auf Basis veralteter oder fehlerhafter Daten getroffen (Datenqualität).
• Weitergabe oder Handel mit Daten sind – begrenzt – möglich.
• unzureichende Berücksichtigung qualitativer personenbezogener Daten.
• ständige Aktualisierung nötig.

Übernahme durch Gläubiger

Wenn gewerbliche Gläubiger (Kreditinstitute,NichtbankeneinschließlichVersicherungsunternehmen) das Kreditscoring von den Auskunfteien übernehmen wollen, müssen sieMitgliedoderKundeder Auskunfteien sein und für derenDienstleistungeneinEntgeltentrichten. Das übernommene Kreditscoring gehört neben weiterenKreditunterlagenzur Grundlage derKreditwürdigkeitsprüfung,die entweder bei erstmaligerKreditgewährung,bei der turnusmäßigenKreditüberwachungwährend derKreditlaufzeitund beiProlongationendurchzuführen ist.

Rechtsgrundlagefür Kreditinstitute sind§ 18KWGsowie dieKapitaladäquanzverordnung(englische Abkürzung CRR), die in Art. 144 Nr. 1a CRR eine aussagekräftige Beurteilung jedes Schuldners verlangt, wobei einRating­system den Risikomerkmalen von Schuldner und Geschäft Rechnung tragen muss (Art. 170 Nr. 1 CRR) und bei Kreditgenehmigungen jedem Schuldner ein Rating zuzuordnen ist (Art. 172 Nr. 1a CRR). Ein Rating setzt voraus, dass den Kreditinstituten entsprechende Unterlagen über Vermögen, Schulden undEinkommendes Kreditnehmers vorliegen. Da die CRR als Ausführungsbestimmung des§ 10KWG anzusehen ist, gilt sie im Verhältnis zum KWG als „lex specialis“,dem Vorrang eingeräumt werden muss vor den allgemeinen Bestimmungen des§ 18KWG.

Datenschutz

Dapersonenbezogene Datendurch Auskunfteiengespeichertundverarbeitetwerden, sind dieDatenschutzbestimmungenzu beachten.

Bundesdatenschutzgesetz

Nach§ 30Abs. 1BDSGmuss eine Wirtschaftsauskunftei persönliche Daten, die zur Bewertung der Kreditwürdigkeit vonVerbraucherngenutzt werden dürfen und zum Zweck der Übermittlungerhoben,gespeichertoder verändert werden, Auskunftsverlangen vonKreditgebernaus anderenEU-Mitgliedstaatengenauso behandeln wie Auskunftsverlangen inländischer Darlehensgeber. Wer den Abschluss einesVerbraucherdarlehensvertragsmit einem Verbraucher infolge einer Auskunft einer Wirtschaftsauskunftei ablehnt, hat den Verbraucher unverzüglich hierüber sowie über die erhaltene Auskunft zu unterrichten (§ 30 Abs. 2 BDSG).

Die Verwendung eines Wahrscheinlichkeitswerts über ein bestimmtes zukünftiges Verhalten einernatürlichen Personzum Zweck derKreditentscheidungüber die Begründung, Durchführung oder Beendigung einesVertragsverhältnissesmit dieser Person (englischscoring) ist gemäߧ 31BDSG nur zulässig, wenn die Vorschriften des Datenschutzrechts eingehalten wurden, die zur Berechnung des Wahrscheinlichkeitswerts genutzten Daten unter Zugrundelegung eines wissenschaftlich anerkannten mathematisch-statistischen Verfahrens nachweisbar für die Berechnung der Wahrscheinlichkeit des bestimmten Verhaltens erheblich sind, für die Berechnung des Wahrscheinlichkeitswerts nicht ausschließlichAnschriftendatengenutzt wurden und im Fall der Nutzung von Anschriftendaten die betroffene Person vor Berechnung des Wahrscheinlichkeitswerts über die vorgesehene Nutzung dieser Daten unterrichtet worden ist; die Unterrichtung ist zu dokumentieren.

Datenschutz-Grundverordnung

Die in allenEU-MitgliedstaatengeltendeDatenschutz-Grundverordnung(DS-GVO) soll die Grundrechte und Grundfreiheiten natürlicher Personen schützen und insbesondere deren Recht auf Schutz personenbezogener Daten. Sie betrifft gemäßArt. 2Abs. 1 DS-GVO dieautomatisierte Verarbeitungpersonenbezogener Daten sowie dienicht-automatisierte Verarbeitungpersonenbezogener Daten, die in einemDateisystemgespeichert sind oder gespeichert werden sollen. "Personenbezogene Daten" sind nachArt. 4Abs. 1 DS-GVO alleInformationen,die sich auf eine identifizierte oder identifizierbare natürliche Person beziehen.

Wenn Kreditentscheidungen von Kreditgebern maßgeblich vom Kreditscoring der Auskunfteien wie der Schufa abhängen, handelt es sich nach dem Urteil desEuGHvom Dezember 2023umautomatisierte EntscheidungeneinschließlichProfilingnachArt. 22Abs. 1 DS-GVO. Hiernach kann derKreditnehmeroder Schuldner gegen derartige EntscheidungenWidersprucheinlegen, wenn sie ihm gegenüber Rechtswirkungen entfalten (Ablehnung einesKreditantrages,Kreditkündigung) oder ihn in ähnlicher Weise erheblich beeinträchtigen. Wenn die Ermittlung des Score-Wertes nur als eine vorbereitende Handlung zu der eigentlichen „Kreditwürdigkeits-Entscheidung “(etwa der Kreditinstitute) im Sinne von Art. 22 Abs. 1 DS-GVO anzusehen wäre, muss die Wertermittlung nicht die besonderen Anforderungen von Art. 22 Abs. 2 bis 4 DS-GVO an automatisierte Entscheidungen erfüllen.

Nachständiger Rechtsprechungdes EuGH muss jede Verarbeitung personenbezogener Daten mit den inArt. 5DS-GVO festgelegten Grundsätzen für die Verarbeitung personenbezogener Daten im Einklang stehen und in Anbetracht des in Art. 5 Abs. 1a DS-GVO vorgesehenen Grundsatzes der Rechtmäßigkeit der Verarbeitung eine der inArt. 6DS-GVO aufgeführten Bedingungen für die Rechtmäßigkeit der Verarbeitung erfüllen.Das noch im Januar 2014 vomBundesgerichtshof(BGH) auch im Hinblick auf die Berechnungsmethoden des Score-Werts gesicherteGeschäftsgeheimnisder Schufawurde durch den EuGH im zitierten Urteil insoweit eingeschränkt, als auch die speziellen Auskünfte durch die Schufa nachArt. 15Abs. 1h DS-GVO erteilt werden müssen.

International

Weitere Wirtschaftsauskunfteien mit Kreditscoring sind in Deutschland insbesondereCreditreformoderCrif.International gibt esKreditschutzverband von 1870(Österreich),Bisnode(Österreich und Schweiz),Equifax(USA) oderSozialkredit-System(Volksrepublik China).

Wirtschaftliche Aspekte

Die Erstellung von Score-Werten beruht auf derAnnahme,dass durch die Zuordnung einerPersonzu einer Gruppe anderer Personen mit vergleichbarenMerkmalen,die sich in einer bestimmten Weise verhalten haben, ein ähnliches Verhalten vorausgesagt werden kann.

Das Kreditscoring gehört für Gläubiger insbesondere beiDauerschuldverhältnissen(Handy-,Kredit-,Leasing-,Miet-,Versicherungsvertrag) zu den wesentlichen Kreditunterlagen. Es dient oft jedoch nicht nur zurBonitätsprüfung,sondern auch derPreiskalkulation(Bankkalkulation:Kreditmarge,Prämienkalkulation:Versicherungsprämie). Bei einer Risikoverschlechterung kann sich dasMargenrasterder Kreditmarge (englischmargin grid) verschlechtern oder die Versicherungsprämie erhöhen.

DerEntscheidungsträgertrifft anhand der Kreditunterlagen eine Kreditentscheidung, die im Rahmen derUnternehmensziele(Risikotragfähigkeit,Rentabilität) liegen muss (Zielkonformität).Die sich aus dem Kreditscoring ergebende Abstufung in Risikoklassen führt dazu, dass bei erhöhtem Risiko bestehende Verträge mit ungünstigerenTarifenversehen oder gargekündigtwerden und neue Verträge nicht geschlossen werden.

Je genauer und aktueller das zugrunde liegende Scoring-Modell die Wirklichkeit abbildet, desto weniger Kreditausfälle wird es geben.

Abgrenzung

Der Begriff desRatingswird weitgehend für die Analyse vonUnternehmen,StaatenundGebietskörperschaftendurchRatingagenturenverwendet.

Literatur

• Meike Kamp,Thilo Weichert:Forschungsprojekt Scoringsysteme zur Beurteilung der Kreditwürdigkeit - Chancen und Risiken für Verbraucher -,erstellt vomUnabhängigen Landeszentrum für Datenschutz Schleswig-Holstein(ULD) im Auftrag desBMVELbzw. derBundesanstalt für Landwirtschaft und Ernährung(BLE) vom 15.05. – 25.11.2005
• Kerstin Dittert:Scoring: Der Blick in die Kristallkugel(=Schriftenreihe Digitalisierung.Band 1). epubli, Berlin 2017,ISBN 978-3-7418-8484-9.
• Andreas Henking, Christian Bluhm,Ludwig Fahrmeir:Kreditrisikomessung. Statistische Grundlagen, Methoden und Modellierung.Springer, Berlin u. a. 2006,ISBN 3-540-32145-4.
• Rothmann, Robert; Sterbik-Lamina, Jaro; Peissl, Walter (2014): “Credit Scoring in Österreich”; Institut für Technikfolgen-Abschätzung der Österreichischen Akademie der Wissenschaften (ITA/ÖAW); Studie im Auftrag der Bundesarbeiterkammer (AK Wien); ITA-Projektbericht Nr.: A66.ISSN1819-1320

Einzelnachweise

Bitte denHinweis zu Rechtsthemenbeachten!